德國聯邦政府公布2016年《研究與創新成果報告》
德國聯邦教育及研究部於6月1日公布《2016年德國研究與創新報告》（簡稱為BUFI) ，由聯邦教育及研究部部長Johanna Wanka 公布，這份報告每兩年由德國聯邦教育與研究部製作一次，作為2016年的趨勢展望。以下為報告中幾項重點：
德國政府在研發的支出創下歷史新高，在最新統計數據中，就2014年已有近840億歐元投入研究和發展領域，在歐洲位居首位。另外，德國聯邦政府在產業界投入570億歐元，占德國研發總預算約三分之二，已創下歷史新高。而2015年對產業界投入的研發支出又比前一年成長6.4%。而德國勞動總人口約434萬，目前統計從事研發活動的人口約60萬人，首次創下勞動人口比例歷史新紀錄。在歐盟國家中德國本已位於領先地位，在世界競爭力指數(WCI)排名中，德國更是遙遙領先其他國家，在140個國家中排名第六。德國的研究成果亦獲得國際間的肯定，德國在學術界的地位在最近一年持續領先。在德國關於德國科學家的著作，是躋身全球最常被引用的出版物的前十分之一。德國的專利申請數量在世界上排名領先，平均註冊專利數量從2003-2013年成長約9%，在歐盟遙遙領先其他成員國，在世界上專利數量則是美國的兩倍。
德國同時是研發產品輸出為主的國家，特別是在高科技產品輸出方面，即使中國如今名列前茅，德國依舊占據前排位置。在歐盟國家中，德國則位居第一。聯邦政府將研究與創新為財政編列預算優先事項，聯邦政府持續增加研發支出，根據目前2016年的總預算中，針對研發編列了1兆5800億歐元。聯邦政府補助德國在未來重點新興領域的研發及加強中小企業創新能力。聯邦政府在高科技戰略中所列的各大議題氣候變化與能源、健康與營養、移動、安全與通訊都將予以補助。又2015年政府已針對中小企業投資了1兆4500億歐元。各邦政府在研發支出亦占各邦年度總預算比例高達40%，由此可看出德國政府對創新與研發的重視。
本文為「經濟部產業技術司科技專案成果」
美國農業部（ USDA ）在今（ 2006 ）年 8 月 18 日 公布，在 Arkansas 及 Missouri 的米倉發現，這些地方所儲存的美國長粒米（ long grain rice ）中含有 Bayer CropScience 未經核准的基因改造生物種。高品質的長粒米米粒細長，具有 20 ％～ 25 ％的中直鏈澱粉含量，米飯柔軟但鬆散，冷飯不變硬，在國際稻米市場有很高的評價，價格也最高。進口此型白米的國家有西歐、中東、加勒比海各國、新加坡、馬來西亞等，出口國為泰國，在歐洲市場上的售價，美國米略高於泰國米。美國長粒米的主要生產地是在 Arkansas ，意外事件發生時，當地農夫正在收成稻米。 截至目前 8 月底，美國本土因為基改稻米的基因污染了美國長粒米（ U.S. long grain rice ）的供應，而向 Bayer CropScience 提出損害賠償的訴訟已有三起，主要內容為請求因為基因污染致美國長粒米的價格下跌的損害賠償。另 由於相關的安全審查並未檢測出來此次流入外銷市場的美國長粒米，因此 雖然 USDA 表示混入 GMO 的長粒米並不會對人體或環境造成危害，但 世界各大進口國仍採取了相關緊急措施。 例如，日本於此消息一經公布後，當即停止美國長粒米的進口，而歐盟則表示只有經檢測證實從美國進口的長粒米未含有 Bayer CropScience 所研發尚未經許可之 GMO 特性，始得上架販售。
世界智慧財產權組織發佈2015年全球創新指數排名世界智慧財產權組織於2015年9月17日發佈的2015年全球創新指數報告(The Global Innovation Index)顯示，瑞士、英國、瑞典、荷蘭和美國是世界上最具創新力的前5名國家。 全球創新指數自2007年起每年發布，2015 年全球創新指數是該指數的第8版，由康乃爾大學(Cornell University)、歐洲工商管理學院(INSEAD)和聯合國專門機構世界智慧財產權組織（WIPO）共同發布，現已成為重要的評比基準，為全球國家競爭力與政策發展重要項目。世界智慧財產權組織總幹事Francis Gurry在當天的新聞發佈會上說：「每個國家都必須找到最佳的政策組合，以調整其經濟內部創新與創造的潛力」。從整體觀看，今年前25位排名都是高收入經濟體，與以往相較變動不大。值得注意的是，瑞士已連續5年位居第一，英國則從4年前的第8位躍升至第2位。英國的智慧財產權部長說：「產出優秀的科研成果向來是英國的優良傳統，英國人口比率佔不到世界1%，但發表頂尖的研究成果佔16%，卓越的科研是英國躍升國際創新排名第2位的主要原因。英國政府致力於創新研發、為新創提供足夠的智慧財產權保護、支持新創產業。」其後依次為：瑞典、荷蘭、美國、芬蘭、新加坡、愛爾蘭、盧森堡和丹麥。亞洲國家中只有新加坡進入前10名。 該份報告顯示，在創新質量方面，其中美國和英國保持領先，主要是因為其擁有世界級的大學；接著是日本、德國和瑞士。在創新質量上得分較高的中等收入經濟體則有中國、巴西和印度。 為了支持全球創新討論、指引各項政策、強調良好的作法，需要利用相關指標對創新和相關政策表現進行評估。全球創新指數創造出一種環境，即是使這些相關創新因素得到持續評估，其特色列舉如下： 1. 141個國家的現況介紹，包括根據79項指標所得出之數據、排名與優勢情形。 2. 根據30多個國際公私部門指標所得出的79個數據表，其中55個是可靠數據，19個是綜合指標，5個是問卷調查。 3. 公開透明且可複製的計算方法，其中每個指數排名（全球創新指數、產出和投入分項指數）有90%的置信區間，加上對影響每年排名的因素進行分析。 2015年全球創新指數是以兩個分項指數的平均值計算。創新投入分項指數衡量的是顯現出創新活動的國家經濟因素，這些因素共分為五大類：(1)機構，(2)人力資本與研究，(3)基礎設施，(4)市場成熟度，和(5)商業成熟度。「創新產出分項指數」是由創新成果的實際創新產出為證，分為兩大類：(6)知識與技術產出及(7)創意產出。
澳門終審法院審結宣告「王老吉」商標因「未認真使用」而註冊失效2022年5月澳門終審法院審結一宗涉及中國大陸家喻戶曉的涼茶品牌「王老吉」商標的爭議案，裁定兩個與「王老吉」有關商標的權利人（下稱失效商標之權利人）「未認真」使用商標，故宣告有關註冊失效。 查澳門有關商標失效之法規為《工業產權法律制度》第 231條第1項b款：「一、商標之註冊在下列情況下失效：b) 連續三年未認真使用商標」。而失效商標之權利人主張延展商標專用期限，應認為有認真使用商標，但最後終審法院認為延展商標專用期限不算是認真使用商標，而宣布其註冊商標失效。終審法院也引述歐盟法院判決輔助其判斷，指出關於商標認真使用的主要宗旨為以下： (1)認真使用：本案判決指出「如果說某個已註冊商標的權利人有“權利”對商標進行（排他性的）使用，那麼他同時也負有使用該商標的義務」，因此，商標認真使用指的是權利人必須確實將註冊商標使用在註冊的商品或服務上，達到商標向消費者（或稱公眾）指明某商品與服務來源的法律功能後，始能認定其為認真使用。（歐盟法院亦肯認之，認為認真使用指的是符合商標作為其註冊「產品或服務的來源識別」這一個主要功能）。 (2)未認真使用：本案判決特別指出，如果僅僅是基於阻擋他人使用該商標的「投機性目的」而註冊商標，卻未對公眾使用或僅為象徵性的使用（如非向公眾銷售的內部使用 又本文亦觀察到本案失效商標的權利人非中國知名涼茶「王老吉」所屬的廣州醫藥集團有限公司，若終審法院最後未做出商標失效的判決，將可能影響廣州醫藥集團有限公司在澳門市場拓展「王老吉」品牌。因此企業若要避免此類商標搶註風險，應事前在品牌拓展規劃時期同步做好「商標布局」規劃。否則，只能透過事後向商標專責機關「即時主張救濟」，如：以「商標未使用」主張申請廢止該商標。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。